因子变量按比例标记：如何按指定比例随机填充性别字段NA值

适配因子类型字段的完整实现代码 #

如果你的Gender字段是因子类型，需要先确保存在male、female两个水平，避免赋值时生成新的无效NA：

# 补全因子水平（如果原字段已经包含对应水平可跳过该步）
levels(data$Gender) <- unique(c(levels(data$Gender), "male", "female"))

# 定位所有NA值对应的行索引
na_idx <- which(is.na(data$Gender))
# 从NA行中随机抽取7个索引，赋值为female
female_idx <- sample(na_idx, size = 7, replace = FALSE)
data$Gender[female_idx] <- "female"
# 剩余未处理的NA全部赋值为male
data$Gender[is.na(data$Gender)] <- "male"

代码说明 #

• which(is.na(data$Gender))只会匹配性别为NA的行，不会修改原本已有的有效性别记录
• sample()的replace = FALSE参数保证抽取的7个索引不重复，刚好满足7个female、43个male的分配需求
• 如需固定随机结果方便复现，可以在运行抽样代码前添加set.seed(自定义数字，比如123)，每次运行都会得到一致的赋值结果

内容的提问来源于stack exchange，提问作者mochi